北京银行电磁机械及运动鞋装订
bob.learn.em的Python项目详细描述
期望最大化机器学习工具
这个包是信号处理和机器学习工具箱的一部分 Bob。它包含通过期望学习概率模型的例程 最大化(EM)。
em算法是一种迭代方法,用于估计 统计模型,其中模型依赖于未观察到的潜在变量。这个 em迭代在执行期望(e)步骤之间进行交替,期望(e)步骤 创建对数似然估计值的期望值函数 参数的当前估计和最大化(m)步骤,其中 计算最大化在E步骤上找到的预期对数似然的参数。 然后使用这些参数估计来确定 下一步的潜在变量。
该软件包包括机器定义本身和用于特殊目的的不同训练器的选择:
- Maximum Likelihood (ML)
- Maximum a Posteriori (MAP)
- K-Means
- Inter Session Variability Modelling (ISV)
- Joint Factor Analysis (JFA)
- Total Variability Modeling (iVectors)
- Probabilistic Linear Discriminant Analysis (PLDA)
- EM Principal Component Analysis (EM-PCA)
接触
有关此软件包的问题或报告问题,请与我们的 开发mailing list。